Strategia IBM. Deep Blue vs Garri Kasparow: jak policzyć ryzyko? Model GAM(B)IT #62
Garri Kasparow vs Deep Blue. IBM przegrał na oczach całego świata, zaproponował rewanż i rok później jego kapitalizacja wzrosła o 11,4 miliarda dolarów. Zapraszam na nowy odcinek podcastu.[reklama] Partnerem odcinka jest InPost Pay: https://inpost.click/gambitLuty 1996, Filadelfia. Garri Kasparow, ówczesny mistrz świata i numer jeden światowego rankingu, siada do meczu z superkomputerem Deep Blue. Cały świat patrzy. Maszyna wygrywa pierwszą partię i jest to pierwsze w historii zwycięstwo komputera nad panującym mistrzem świata. Ale Kasparow otrząsa się i wygrywa cały mecz 4 do 2.Dla IBM to publiczna porażka po latach inwestycji. Firma staje przed decyzją: wycofać się czy zaryzykować drugą, jeszcze głośniejszą kompromitację. IBM zaproponował rewanż.W tym odcinku pokazuję, jakie konsekwencja miała ta decyzja. Firma nie powtórzyła tej samej partii z nadzieją na inny wynik, tylko przechyliła szanse: przebudowała maszynę i dołożyła do zespołu arcymistrzów szachowych. W maju 1997 Deep Blue wygrał 3,5 do 2,5, a w decydującej szóstej partii poświęcił skoczka ruchem, którego Kasparow po komputerze się nie spodziewał.Wyjaśniam też, dlaczego w szachach poświęcenie nie jest odwagą, tylko kalkulacją, jakie pytanie odróżnia amatora od profesjonalisty przy podejmowaniu ryzyka i czym jest kompensata w dobrym gambicie.To czwarty z sześciu odcinków serii o moim autorskim modelu GAMBIT ™: G jak Game plan, A jak Analysis, M jak Multiple scenarios, B jak Balance of risk and reward, I jak Intention-driven action, T jak Think time.Napisz w komentarzu, jaką jedną lekcję bierzesz z tego odcinka.Program zawiera autopromocję moich usług i produktów.⇨ Pobierz checklistę modelu GAMBIT: https://michalkanarkiewicz.com/pl/checklista-model-gambit/👔 Chcesz, abym wystąpił na evencie firmowym i wygłosił Power Speech oraz zagrał symultanę szachową dla Twojego zespołu? Napisz do mnie: https://www.MichalKanarkiewicz.com/⇨ Załóż konto na chess.com z moim reflinkiem: https://go.chess.com/MichalKanarkiewicz⇨ SOCIAL MEDIA podcastu:https://www.facebook.com/kanarkiewiczpodcasthttps://www.instagram.com/kanarkiewiczpodcasthttps://www.tiktok.com/@kanarkiewiczpodcast
Podróż do 1996 roku, opis meczu między Deep Blue a Kasparowem, a także propozycja rewanżu w 1997 roku.
Analiza ryzyka dla IBM, w tym ryzyko poniesienia kolejnej porażki i potrzeba spektakularnej wygranej.
Opis sytuacji, w której IBM gra o więcej niż 20 milionów dolarów i potencjalne korzyści.
Opis rewanżu w 1997 roku, strategia Deep Blue i decyzja IBM o poświęceniu skoczka.
Opis wyniku meczu i wpływ na kapitałizację IBM, a także analiza strategii IBM.
Analiza gambitu jako strategii biznesowej, zwracanie uwagi na ryzyko i nagrodę, a także zadanie dla słuchaczy.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.
Garri Kasparow vs Deep Blue. IBM przegrał na oczach całego świata, zaproponował rewanż i rok później jego kapitalizacja wzrosła o 11,4 miliarda dolarów. Zapraszam na nowy odcinek podcastu.
[reklama] Partnerem odcinka jest InPost Pay: https://inpost.click/gambit
Luty 1996, Filadelfia. Garri Kasparow, ówczesny mistrz świata i numer jeden światowego rankingu, siada do meczu z superkomputerem Deep Blue. Cały świat patrzy. Maszyna wygrywa pierwszą partię i jest to pierwsze w historii zwycięstwo komputera nad panującym mistrzem świata. Ale Kasparow otrząsa się i wygrywa cały mecz 4 do 2.
Dla IBM to publiczna porażka po latach inwestycji. Firma staje przed decyzją: wycofać się czy zaryzykować drugą, jeszcze głośniejszą kompromitację. IBM zaproponował rewanż.
W tym odcinku pokazuję, jakie konsekwencja miała ta decyzja. Firma nie powtórzyła tej samej partii z nadzieją na inny wynik, tylko przechyliła szanse: przebudowała maszynę i dołożyła do zespołu arcymistrzów szachowych. W maju 1997 Deep Blue wygrał 3,5 do 2,5, a w decydującej szóstej partii poświęcił skoczka ruchem, którego Kasparow po komputerze się nie spodziewał.
Wyjaśniam też, dlaczego w szachach poświęcenie nie jest odwagą, tylko kalkulacją, jakie pytanie odróżnia amatora od profesjonalisty przy podejmowaniu ryzyka i czym jest kompensata w dobrym gambicie.
To czwarty z sześciu odcinków serii o moim autorskim modelu GAMBIT ™: G jak Game plan, A jak Analysis, M jak Multiple scenarios, B jak Balance of risk and reward, I jak Intention-driven action, T jak Think time.
Napisz w komentarzu, jaką jedną lekcję bierzesz z tego odcinka.
Program zawiera autopromocję moich usług i produktów.
⇨ Pobierz checklistę modelu GAMBIT: https://michalkanarkiewicz.com/pl/checklista-model-gambit/
👔 Chcesz, abym wystąpił na evencie firmowym i wygłosił Power Speech oraz zagrał symultanę szachową dla Twojego zespołu? Napisz do mnie: https://www.MichalKanarkiewicz.com/
⇨ Załóż konto na chess.com z moim reflinkiem: https://go.chess.com/MichalKanarkiewicz
⇨ SOCIAL MEDIA podcastu:
https://www.facebook.com/kanarkiewiczpodcast
https://www.instagram.com/kanarkiewiczpodcast
https://www.tiktok.com/@kanarkiewiczpodcast